使用线性核对Iris数据集的2/3数据训练支持 向量机，剩余1/3数据进行测试，计算正确率，并绘图。(不用Scikit-Learn库和pandas库)

好的，我已经记录下了你的要求。针对你的问题，我来给你一些思路：

1. Iris数据集的格式：

Iris数据集包含3种不同的鸢尾花的样本，每种样本包括4个特征，一共有150个样本。数据集可以从这里下载：

https://archive.ics.uci.edu/ml/datasets/iris

2. 使用线性核训练支持向量机：

支持向量机的原理可以参考这里：

https://zh.wikipedia.org/wiki/%E6%94%AF%E6%8C%81%E5%90%91%E9%87%8F%E6%9C%BA

对于线性核，它的形式为：

K(x_i, x_j) = x_i^T x_j

也就是说，将输入样本通过一个特征向量映射到高维空间，然后计算它们在高维空间中的内积，作为核函数的值。

3. 计算正确率：

对于分类任务，我们通常使用正确率来度量分类器的性能。正确率的计算公式为：

accuracy = (TP + TN) / (TP + TN + FP + FN)

其中，TP表示真正例（True Positive）、TN表示真负例（True Negative）、FP表示假正例（False Positive）、FN表示假负例（False Negative）。

4. 绘图：

对于绘图问题，你可以使用matplotlib库来实现。

希望这些思路能够给你一些帮助。如果你有任何问题，请随时问我。